Python爬取网页数据基本步骤:
*
from urllib import request
response = request.urlopen(‘完整的网址’)
*
import requests
import chardet
url = ‘完整的网址’
response = requests.get(url)
response.encoding = chardet.detect(response.content)[‘encoding’]
# 文本
html = response.text
*
selenium (动态加载的 网页,就用这个)
from selenium import webdriver
*
scrapy 框架
----- 提取 内容 ------
一般通过 浏览的控制台,先找 统一结构。然后找父元素
1. 正则表达式
2. beautifulsoup
3. selenium的相关方法
4. xpath
----- 存储 内容 -------
1. txt
2. csv
3. excel
4. mongodb
5. mysql